第三讲音频压缩编码

第三讲音频压缩编码•音频压缩编码基本原理•MPEG-1 音频压缩算法及标准•MPEG-2 Audio•MPEG-4 Audio•AC-3音频编码11中国传媒大学一、音频压缩编码基本原理•1、什么是音频信号？•通常将人耳可以听到的频率在20Hz到20KHz的声波称为声音信号,声音振动被拾音器转换成电信号称为音频信号。

•人的发音器官发出的声音频段在80Hz到3400Hz之间；•人说话的信号频率在300Hz到3000Hz，将该频段的信号称为语音信号。

22中国传媒大学一、音频压缩编码基本原理2、音频压缩的可能性（1）声音信号中的“冗余”频域：非均匀功率密度谱,低频能量高,高频能量低。

时域：信息冗余度主要表现在幅度非均匀分布，即不同幅度的样值出现的概率不同，小幅度的样值比大幅度样值出现的概率高。

33中国传媒大学一、音频压缩编码基本原理2、音频压缩的可能性（2）人耳的听觉特性，声音中存在与听觉无关的“不相关”部分。

对于人耳感觉不到的不相关部分不编码、不传送，以达到数据压缩的目的。

——利用了人耳听觉的心理声学特性。

声音主观感受——响度、音调、音色；声音客观特性——振幅、频率、频谱特性；44中国传媒大学https:///watch?v=qNf9nzvnd1k示例视频——二、人类听觉系统的感知特性55中国传媒大学二、人类听觉系统的感知特性听阈－频率曲线两个声音响度级相同，但强度不一定相同，还与频率有关；声压级越高，等响度曲线趋于平坦；人耳对3~4KHz的声音感觉最灵敏；66中国传媒大学人耳的掩蔽效应•一个较弱的声音的听觉感受被另一个较强的声音影响的现象称为人耳的听觉掩蔽效应。

听不到叫被掩蔽声，起掩蔽作用的叫掩蔽声。

•被掩蔽音单独存在时的听阈分贝值，为绝对听阈。

即安静环境中能被人耳听到的纯音最小值。

也称静听域。

•频域掩蔽/时域掩蔽。

77中国传媒大学掩蔽效应演示——Simultaneous masking.mp488中国传媒大学9中国传媒大学91、频域掩蔽（纯音间的掩蔽）一个强纯音会掩蔽在其附近同时发声的弱纯音，这种特性称为频域掩蔽，也称同时掩蔽。

https:///watch?v=2HDka1hYiCk10中国传媒大学10Effect on threshold for 1 kHz masking toneLi & Drew10频域掩蔽域随频率变化曲线音调音的掩蔽阈的宽度随频率而变化;掩蔽曲线不对称，高频段一侧的曲线斜率缓些;低频音容易对高频音产生掩蔽。

1111中国传媒大学12中国传媒大学12频域掩蔽域随声压级变化曲线演示2、人耳模型——How ear works视频1313中国传媒大学演示2、人耳模型——Cochelar animation1414中国传媒大学15中国传媒大学152、人耳模型•声音频率发生转换–声波冲击耳鼓（Eardrum)和连着的耳骨；–耳鼓和耳骨将机械振动传递给耳蜗（Cochlea ）–耳蜗薄膜的椭圆窗沿基底膜长度方向引导行波；–行波在薄膜的特定频率感应位置产生峰值响应；–薄膜的特定频率感应位置为特定频带提供峰值响应；•可以把耳蜗当成一组高度重叠的带通滤波器人耳相当于一个滤波器组•人类听觉系统大致等效于一个在0Hz到20KHz频率范围内由25个重叠的带通滤波器组成的滤波器组。

–人耳不能区分同一频带内同时发生的不同声音；–人耳频带被称为临界频带（critical band）；–500Hz以下每个临界频带的带宽大约是100Hz，从500Hz起，临界频带带宽线性增加。

–一个临界频带的带宽单位为1巴克（bark) 。

……0Hz500Hz20000Hz f1616中国传媒大学17中国传媒大学17临界频带单位巴克（Bark ）• 对于任何掩蔽频率，巴克被定义为一个临界频带的宽度；• 巴克单位的意义: 用巴克来衡量每个临界频带的宽度大致都是相同的。

用巴克单位表示的声音掩蔽效应1818中国传媒大学•临界频带是指当某个纯音被以它为中心频率、且具有一定带宽的连续噪声所掩蔽时，如果该纯音刚好被听到时的功率等于这一频带内的噪声功率，这个带宽为临界频带宽度。

•掩蔽效应在一定频率范围内不随带宽增大而改变，直至超过某个频率值。

•通常认为从20Hz到16kHz有25个临界频带，单位为bark。

•1bark =一个临界频带的宽度•f< 500Hz 时1bark约为f/100;• f >500Hz 时1bark约为9+4log2（f/1000）;•临界频带（Hz）约为24.7×(4.37F+1)BF为中心频率（KHz）1919中国传媒大学临界频率(Hz)临界频率(Hz)频带低端高端宽度频带低端高端宽度001001001320002320320 11002001001423202700380 22003001001527003150450 33004001001631503700550 44005101101737004400700 55106301201844005300900 663077014019530064001100 777092015020640077001300 8920108016021770095001800 910801270190229500120002500 10127014802102312000155003500 11148017202402415500220506550 12172020002802020中国传媒大学21中国传媒大学21在时间上相邻的声音之间也有掩蔽现象。

时域掩蔽又分为超前掩蔽和滞后掩蔽。

超前掩蔽很短，只有大约5～20 ms ，而滞后掩蔽可以持续50～200 ms 。

4、时域掩蔽t后掩蔽前掩蔽同期掩蔽强音时间掩蔽利用•基于时间掩蔽效应的编码策略是，编码时将时间上相继的一些样值归并成块，并计算每块内最大样值的比例因子；•据心理声学的掩蔽模型，对同一子带内相邻三个比例因子，可丢弃较小的因子，以减少传输比例因子的比特数。

2222中国传媒大学23中国传媒大学23Effect of temporal and frequency maskingdepending on both time and closeness in frequency.Li & Drew23中国传媒大学24240111 1111 1111 11000000 0000 0000 00101000 0000 0000 0011正弦波幅度0值允许的最大正弦波峰值正弦波负峰值位置图6 16比特有效位编码的二进制、十六进制编码、量化级和相对满度电平的对应关系基准电平位置0000 1111 1111 11110000 1100 1100 1101SMPTERP155标准基准电平位置数字峰值表显示的是准峰值,因此正弦波基准电平的实际峰值还将高3dB数字峰值表显示的是准峰值,因此如保证正弦波的峰值信号不过载,仪表应保持不超过-3dBFS 时为宜音频信号幅度与编码的关系中国传媒大学25250111 1111 1111 11000000 0000 0000 00101000 0000 0000 0011正弦波幅度0值允许的最大正弦波峰值正弦波负峰值位置图6 16比特有效位编码的二进制、十六进制编码、量化级和相对满度电平的对应关系基准电平位置0000 1111 1111 11110000 1100 1100 1101SMPTERP155标准基准电平位置数字峰值表显示的是准峰值,因此正弦波基准电平的实际峰值还将高3dB数字峰值表显示的是准峰值,因此如保证正弦波的峰值信号不过载,仪表应保持不超过-3dBFS 时为宜得到音频信号幅度与编码的关系26中国传媒大学26音频压缩处理相关的术语信噪比（SNR)=信号峰值—噪声有效值信号掩蔽比（SMR)=信号峰值—最小掩蔽阈值掩蔽噪声比（MNR)=最小掩蔽阈值—量化噪声MNR （dB) =SNR(dB)—SMR(dB)信噪比(SNR)=20lgL/N 信噪比(SNR)=6.02n+1.76N:量化噪声电平,n:量化比特数重要结论：量化比特数增加1，量化信噪比提高6dB。

5、感知编码器原理•放弃物理上的同一性•得到感知上的同一性降低数据率2727中国传媒大学28中国传媒大学28掩蔽的用途q 去除会被掩蔽的信号分量v 因为即使传输了也不会被听见§同听阈以下的信号部分不能被人耳听到（称不相关部分），不必传送。

（去除不相关部分）q不理会可能被掩蔽的量化噪声v 因为会被信号淹没§按同听阈以上的信号值计算量化比特数，对信号重新量化，使量化噪声在同听阈以下即可。

Masking curveNoiseSignal29中国传媒大学29Examplem m-1m+16、音频信号压缩编码方法（1 ）波形编码——直接对时域或频域波形编码PCM , DPCM, ADPCM ,子带编码,自适应变换编码（2 ）参数编译码器从语音波形信号中提取语音生成模型的参数，使用这些参数通过语音生成模型重构出语音。

（3 ）混合编码（4 ）感知编码3030中国传媒大学三、子带编码子带编码(sub-band coding，SBC)•基本思想：使用一组带通滤波器(band-pass filter，BPF)把输入音频信号的频带分成若干个连续的频段，每个频段称为子带。

对每个子带中的音频信号采用单独的编码方案去编码。

在信道上传送时，将每个子带的代码复合起来。

在接收端解码时，将每个子带的代码单独解码，然后把它们组合起来，还原出原来的音频信号。

3131中国传媒大学32中国传媒大学321、感知子带压缩算法以心理声学模型为基础，主要利用了听觉阈值和听觉掩蔽特性。

1、感知子带压缩算法Ø用多相滤波器组，将宽带声音信号分割为多个子频带，对各子带的音频样值分别进行压缩编码。

Ø理想的频带的分割应模仿临界频带，各子带的宽度不一致，随着频率的升高，子带的带宽也增加。

Ø每个子带内根据信号掩蔽比确定样值的量化级数，量化噪声的高度与带内同听阈值越接近，数据率压缩越充分。

Ø子带越多（越窄），在相同音质下编码所得数据率越低；传输中的比特差错仅限制在很窄的子频带内，影响越小。

3333中国传媒大学34中国传媒大学34窄子带能改善声音质量2、子带编码的好处第一，对每个子带信号分别进行自适应控制，量化阶的大小可以按照每个子带的能量电平加以调节。

第二，可根据每个子带信号在感觉上的重要性，对每个子带分配不同的位数，用来表示每个样本值。

例如，在低频子带中，为了保护音调和共振峰的结构，就要求用较小的量化阶、较多的量化级数，即分配较多的位数来表示样本值。

而话音中的摩擦音和类似噪声的声音，通常出现在高频子带中，对它分配较少的位数。